"3년 뒤 프로그램 80% 일반인이 만든다"
테크기업, 금융서비스 · 유통 사업에 적극 진출할 듯
가트너는 당장 소프트웨어 개발을 자동화하는 AI를 주목합니다. 최근 마이크로소프트는 말만으로 코딩할 수 있는 프로그래밍 언어 파워FX를 발표했습니다. 이런 기술을 통해 프로그래밍을 배우지 않은 사람도 개발에 참여하고 전문 개발자도 번거로운 코딩 작업에서 해방할 수 있습니다. 이러한 도구는 초기 단계에 있지만 정교함이 갈수록 향상돼 유용한 기술 제품 및 서비스를 개발하는데 전문기술이 없는 사용자의 장벽을 줄이는 데에도 도움이 될 것이라고 가트너는 설명합니다.
가트너의 연구 담당 부사장 라제시 칸드워미는 "로코드와 노코드 개발 도구로 인해 기술 생산자가 되기 위한 장벽이 급속히 붕괴하고 있다"며 이런 장벽의 해체 현상은 모든 제품과 서비스에 영향을 미친다"고 밝혔습니다. 그는 "이제 기업은 디지털 비즈니스를 IT 부서의 유일한 영역이 아닌 하나의 팀 스포츠로 인식하고 있다"고 말했습니다. 이제 AI 개발에는 기술전문가 대신 일반 개발자와 데이터 과학자 및 소프트웨어를 생성하는 AI 시스템이 포함된다고 설명했습니다.
한편 가트너는 기술 업체가 금융서비스업및 소매분야를 포함해 비기술 업체와 관련되거나 경쟁하는 시장에 진출하고 있다고 지적했습니다. 가트너는 2042년까지 기술 업체의 3분의 1 이상이 비기술 업체와 경쟁할 것으로 예상합니다.
가트너는 마지막으로 코로나 19가 디지털 혁신을 가속했다고 지적했다. 가트너는 2023년 쯤에 전염병 이전에는 존재하지 않았던 제품과 서비스가 300억 달러의 매출을 올릴 것으로 예상한다고 밝힙니다.
오춘호 연구위원
-
기사 스크랩
-
공유
-
프린트
-
1
철학교수의 AI 이야기<1> ESG,메타버스 그리고 AI: 5차산업혁명?
1.왜 5차산업 혁명인가어느 덧 포스트코로나 시대를 준비해야 하는 국면이 다가오고 있다. 그런데 다가오는 미래는 5차산업혁명으로 진행되어야 하고 AI는 이 5차산업혁명을 위해 혁신적으로 개발되어야 한다. 4차산업혁명이 시작된지 얼마나 되었다고 또 5차산업혁명인가. 사실 5차산업혁명이라고 부르지 않아도 된다. 그러나 진정 포스트코로나 시대로 가기 위해서는, 4차산업혁명의 연장이나 가속적 성장이 아니라 4차산업혁명을 넘어서는 심층적 혁신이 필요하다는 뜻이다.언제부터인가 산업혁명을 1차에서 4차까지 구분하는 것이 시대의 통념이 되었지만, 사실 1차에서 4차산업혁명까지 그 기저에 있어서는 전혀 변화가 없다고 해도 과언이 아니다. 4차산업혁명이란 메가트렌드에 가려진 경제구조를 잘 살펴보면, 1차에서 4차까지 그 변혁을 관통하며 오히려 강화된 상태로 자리잡고 있는 경제구조가 발견되기 때문이다. 바로 선형경제(Linear Economy)이다. 근대 산업혁명 이후 오늘날에 이르기까지의 경제는 사실상 선형경제라는 점에서 혁신도 혁명도 없다. 다만 선형경제를 성장시키는 기술이 더욱 고효율화되고 지능화되고 있을 뿐이다. 2. 4차산업혁명: 스마트선형경제의 급팽창과 온토신데믹 선형 경제의 작동 양상은 다음과 같다. 자연의 모든 것은 자원으로만 존재하며 따라서, 자연으로부터 최대한 효율적으로 자원이 채굴된다, 그러나 자원은 상품으로 제조될 때만 존재가치가 있다. 그리고 제조된 상품은 인간에 의해 소비됨으로써만 존재가치를 실현한다. 이 과정에서 인간은 인간이 아니라 소비자로서 활동하도록 유혹받으며, 제품을 소유하고 소모하여 결국 폐기물을 양산해 낸다. 이제 이 선형경제는 디지털전환을 가속화하는 4차산업혁명을 통해 스마트 선형경제로 변신하여 초고속으로 천문학적 규모의 폐기물 양산 문명으로 급팽창하고 있다. 이는 기후위기로 치달아 인간의 세계와 동물의 환경이 뒤섞이는 존재론적 혼돈으로 귀착된다. 이 존재론적 혼돈은 다시 새로운 인수공통 감염병으로 발병하여 인간의 전지구적 이동을 통해 증폭됨으로써 팬데믹이 창궐한다. 팬데믹은 현대인의 삶과 생명체의 삶 전반을 파멸로 몰아넣는 상황이다. 따라서 스마트선형경제는 선형경제의 작동을 마비시키는 역습으로 되돌아 오고 선형경제의 굴레 안에서 그 경제에 의존하여 살아가는 인간들의 경제생활 자체를 위기에 몰아넣는다. 코로나 팬더믹은 보건이나 의료영역의 문제가 아니라 기후, 경제, 생명 공동체 전반의 존재론적 파멸의 상황으로 비화한다. 그러한 의미에서 코로나 팬데믹은 “복합적인 존재론적 위기”(Onto-Syndemic)라 해야 할 것이다. 3. 5차산업혁명: 메타버스와 스마트순환경제 그리고 AI이 온토신데믹을 어떻게 극복할 수 있을까? 물론 요즘 한창 회자되고 있는 ESG는 어쩌면 이 온토신테믹의 긴급 처방으로 유효할 지 모른다. 그러나 그 ESG를 주축으로 한 새로운 미래가 다가오기 위해서는 4차산업혁명이 급팽창시킨 스마트선형경제를 심층적으로 혁신하는 새로운 산업혁명이 절실하다. 그렇다고 4차산업혁명과는 완전히 다른 기술 혁명이 필요하다는 것이 아니다. 긴박하게 요청되는 것은 4차산업혁명의 기반기술을 적용하는 방향을 전환하는 생각의 혁신이다. 그리고 그렇게 되면 미래는 초과잉소비와 폐기물 양산으로 성장하는 선형경제를 극복할 수 있다. 즉 AI에 의해 조율되는 ‘비물질적 창조감상경제’와 ‘스마트선형경제’가 연동되는 새로운 산업혁명의 길이 열리는 것이다. 사실 현재 메타버스라는 디지털공간에서 일어나는 MZ세대의 경제활동을 보면, 어떤 물질적 상품이 생산 소비 소모 그리고 폐기되는 것이 아니다. 메타버스에서 참여하고 있는 미래세대들의 경제활동은 디지털 캐릭터, 웹툰, 디지털 드라마, 디지털 음원과 같은 비물질적 디지털 콘텐츠가 구매 소비되고 있다. 그런데 이 메타버스에서 소비되는 디지털 콘텐츠는 어떤 물리적 기능이 구매되고 사용되어 소멸됨으로써 결국 폐기되는 과정 속에 있지 않다. 비물질적인 디지털 콘텐츠를 구매하는 소비자는 그 콘텐츠에서 어떤 가치와 의미를 발견하고 그에 공감하는 일종의 감상을 하고 있는 것이다. 즉 물질을 가상화하는 디지털 기술의 기능에는 인간을 물질세계로부터 탈출시켜 비물질 세계로 진입시킬 수 있는 중요한 가능성이 잠재되어 있다, 그리고 이를 잘 활용하면 모두가 감상자이자 창작자가 되어 경제활동을 하는 미래로 나아갈 수 있다. 즉, ‘물질 과잉 소비 소모경제(Material hyper production&Consumption Economy)’로부터 ‘비물질적 창조감상경제(Mental Creation&Appreciation Economy)’로 전환이 가능하다. 예를 들면, 지금까지 음악 작곡은 고도의 악기 연주 실력이 있어야 가능했으나, 앞으로는 떠올린 멜로디를 휘파람이나 음성으로 표현해 내어 녹음하면 인공지능의 도움으로 악보화되고, 또 원하는 악기로 연주된다. 개인들이 악기를 잘 다루지 못하더라도 메타버스에서는 그것을 음악으로 연주해낼 수 있는 AI가 기술적인 조력자 역할을 하게 된다.이렇게 메타버스에서 AI를 잘 활용하면, 모든 인간이 모든 인간에 대해 생산자와 소비자가 아니라 창작자와 감상자가 됨으로써 활성화되는 경제활동이 실현될 수 있다, 그리고 이는 물질과잉생산소비경제를 메타버스라는 비물질적 시장을 통해 비물질적 창조감상경제로 전환하는 결과가 될 것이다. 그리고 그렇게 되면 경쟁이 아니라 공감이 경제활동의 기초가 된다. 또 공감은 공동체 의식으로 고양될 수 있는 잠재력을 갖고 있다. 따라서 공감이 기초되는 경제는 예술적 창의력이 활성화되는 공동체 경제로 고양될 수 있다. 인간의 창조적 예술 활동은 인간 간의 공감을 이루어내는 중요한 사회문화적 활동이며, 따라서 예술 활동은 공감을 통한 사회문화적 공동체의 형성에 지대한 역할을 하기 때문이다 4. 미래의 AI: 메타버스와 스마트순환경제를 연동시키는 AI의 개발 이렇게 메타버스의 비물질적 경제활동은 공감을 거쳐 사회적 가치 창조 능력인 공동체 의식으로 고양될 수 있다. 그리고 그것은 복합적 존재론적 위기의 병인이 되는 스마트선형경제를 스마트순환경제로 전환시킬 수 있는 공동체적 책임감으로 발전할 수 있다. 이 전환에서 디지털 테크놀로지의 극정밀 추적 감시를 통해 축적되는 빅데이터와 AI처리 능력을 지금까지와는 달리 역적용시키는 방식이 중요한 역할을 한다. 예를 들면, 제품의 생산과정과 소비과정을 총체적으로 추적하여 빅데이터를 구축하고 AI를 통해 수요 공급을 실시간으로 파악하여 일치시키는 플랫폼이 구축될 수 있다. 이는 어떤 소비자에게 불필요해진 제품을 회수하는 스마트역물류시스템으로 또 나아가 그 제품을 재활용하거나 거기서 다른 가치를 창조하는 다른 소비자에게 전달하는 가치 재창조 순환물류시스템으로 작동한다. 이렇게 빅데이터와 AI 처리기술을 다른 방향으로 적용시키면, 우리가 사용하고 있는 모든 제품으로부터 또 다른 가치를 발견하여 그 가치를 다시 창조해내는 경제 시스템인 스마트 순환 경제를 이룰 수 있다. 이러한 기제들을 실질적으로 구현하는 디지털 인프라 기술은 ‘Cyber Physical Systems-cross-industry collaboration, Sensoring, Intelligent market and logistics platform, the Internet of Things’ 이다. 그리고 이 모든 것을 총괄 조율하고 메타버스와 연동시켜 스마트순환경제로 전환시키는 역할은 바로 미래의 AI가 해야 하는 것이다.이번 코로나 위기를 겪으면서 우리나라는 선진국의 대열에 들어섰다는 것이 확인되었다. 진정한 선진국은 인류의 역사를 더 높은 가치를 향한 미래로 선도하는 나라이다. 이제 우리나라는 4차산업혁명을 넘어 스마트순환경제로 향하는 5차산업혁명의 선구자 역할을 해야하지 않을까. 이를 위해서는 우리나라의 과학기술자들은 스마트 순환경제와 메타버스를 연동시키는 AI의 개발을 향해 담대한 연구에 도전해야 하지 않을까.
-
2
강상기의 산업지능화로 가는 길(1)방법보다 목표가 우선이다
한양대 AI솔루션센터는 기업들에 맞춤형 인공지능(AI) 기술을 제공하는 국내 최초의 전문 AI연구소다. 2019년 10월 문을 연 이래로 중소중견기업 대상 인공지능기반 산업제조지능화 협력과제 수행 경험을 쌓아오고 있다. 산업지능화에 관심이 큰 기업들을 위한 지능화 구축 성공 사례를 시리즈로 소개한다. 기업에 실질적인 도움이 되는 산업제조지능화 협력과제는 다음과 같은 단계로 진행하는 것이 바람직하다.첫째, 현장 방문을 통해 대상 제조현장의 한계상황과 니즈를 상세하게 분석한다. 공정 및 설비 자동화 관련 전문가와 데이터 기반 지능화 전문가를 동시에 투입하여 자동화 및 지능화 관점에서 종합적으로 분석한다. 세부 공정별로 기계적 자동화를 통한 공정개선이 필요한지 또는 지능화를 도입할 필요가 있는지에 대한 판단이 중요하다. 지능화란 사람의 두뇌로 판단하는 업무 또는 복잡한 규칙 기반의 전통적인 프로그램이 수행하는 업무를 인공지능 기술로 대체하는 것이라고 할 수 있다.따라서 현장 작업자의 경험 및 판단 방식과 전통적인 프로그램의 기능을 파악하기 위한 제조 현장에서의 긴밀한 ‘맨투맨’ 업무 파악 과정이 필수적이다.둘째, 지능화가 필요한 분야를 선정하여 구체적인 개선 목표를 공정 개선품질 개선불량 검출작업자 오류 개선경험과 직감설비 최적운영 등을 정하고 목표를 달성하는데 필요한 자원, 특히 대부분의 지능화 과제에서 필수적인 제조데이터의 보유현황수집계획 등의 확보 가능성을 판단한다. 또한 각 목표별로 지능화 투입 비용 대비 개선효과를 따져 정량적인 투자대비효과를 최대한 엄밀하게 추정한다.투자대비효과에 대한 추정 시 반드시 현장작업자의 분석과 판단을 반영한 현실적인 예측이 되어야 하며, 그 결과에 대해서 대상 기업의 경영층과 충분히 공감하여야 한다.셋째, 프로토타입 개발 또는 시뮬레이터 개발을 통해 실제로 적용 가능한지, 기술적인 문제는 없는지, 개선 효과는 있는지 검토한 후 가능성이 있다고 판단되면 본 개선협력 활동을 시작한다. 개선협력활동의 형태는 개선 방향에 대한 기술컨설팅솔루션업체 소개와 직접 프로젝트 수행을 통한 솔루션 개발 등이 있다.넷째, 기업에서 자체적으로 해야 하는 추가 개선유지보수 활동을 지원한다. 환경제공인력 교육정기적인 교류 등 지능화를 통한 개선은 일부 공정에서 부분적으로 시작해서 전체 공정 지능화로 확대해 나가는 것이 리스크를 줄이고 안정적인 개선을 할 수 있는 바람직한 방향이다. 위와 같은 단계로 진행하여 성공한 인공지능 기반 산업지능화 과제 2개를 소개한다. 사례 1: “PCB (printed circuit board) 기판 두께 예측 지능화” 과제 다층PCB 기판을 생산하는 T사는 기판의 각 층별 두께를 고객의 요구사항에 맞춰 정확한 두께로 생산해야 한다. 제조 후의 각 층별 두께는 층별 회로의 분포와 제조재료의 재질과 투입 두께 등의 다양한 변수에 의해 결정된다. 유사성이 높은 과거 제조 데이터로부터 도출한 엑셀 상에서의 단순 회귀식을 이용하여 자재의 재질 등을 결정하여 생산하여 왔으며, 이에 따라 엑셀자료에서 일일이 유사사례를 찾아 계산하는 시간 소요와 신규 주문의 경우 유사사례가 없을 때 자재 계획을 새로 구성하는데 많은 시간을 소비했다. 또한 두께 추정 오류 발생 빈도가 높아 검증/테스트를 위한 작업시간 및 그에 따른 손실 비용도 증가하고 있어 지능화를 통한 개선이 필요하였다.▶예측 정확성 확보를 통한 원가 절감 및 생산성 향상단순 회귀식을 이용한 두께 예측, 시행착오(trial-and-error) 방식의 검증/테스트 후 생산에 관한 문제도 개선이 필요했다. 다층 PCB 기판의 층별 두께는 소요자재 밀도 및 면적 당 무게, 층별 소재 및 스펙, 레진 함량, 회로면적, 층별 두께 측정치 등 다양한 인자에 의해 결정되는데, 층별 두께 예측 인공지능 모델 수립을 통해 최적의 자재를 자동으로 추천, 생산할 수 있도록 하였다. 미세한 PCB의 제조 후 두께는 층별로 정밀하게 측정하여야 하므로 모든 제품의 제조 후 두께를 측정할 수 없기에, 두께추정 모델을 개발하기 위한 제조 이력 데이터를 충분하게 확보하기 어려웠다. 정확한 추정모델을 수립하기 위해서는 다양한 재료의 종류별 데이터가 수천 개씩 필요하지만 확보된 데이터는 수십 개에서 수백 개에 불과하였다. 따라서, 데이터의 확률적 분포를 고려한 적절한 데이터 증강기법을 적용하여 데이터 수를 증강한 후 인공지능 모델의 수립에 사용하였으며, 이의 유효성을 제조현장 작업자와의 상호검증을 통해 확인하였다.이와 같은 생산 전 지능화 알고리즘 모델 적용을 통한 프로세스 개선으로 유사사례 검색 및 예상 두께 계산 작업시간 및 비용 감소, 신규 주문건에 대한 자재 소요계획 작업시간 및 비용 감소, 데이터 기반 예측 수치 제공을 통한 품질 및 일관성 향상으로 생산 L/T를 크게 단축할 수 있었다. 그에 따른 원가 절감 및 생산성을 향상할 수 있었던 것은 물론이다. 사례 2: 김(식품) 이물질 검사 지능화(이미지 기반) 과제 D사는 김(식품) 제조 생산 기업으로 김 원초에 붙은 이물질을 선별하기 위해 전통적인 규칙기반 영상처리 기술 비전 검사기를 통해 이물질을 검사하고 있었다. 하지만 사람의 눈으로도 식별하기 어려운 색의 작은 이물질은 검출이 잘 되지 않는 문제가 있었고, 공장의 제한된 면적에서 생산성 향상을 위한 라인 통합을 하기 위해서는 이물질 검사기의 검사 속도도 개선해야만 했다. 국내에서 생산되는 김은 200 종류가 넘는 것으로 알려져 있으며, 그러한 김의 종류별 색도 다양하고, 김에 붙은 이물질은 다양한 유형과 크기, 색, 위치 등 이물질을 특정 지을 수 없어서, 전통적인 영상처리기술로는 한계가 있었다. 딥러닝 기반 비전검사 기술의 도입이 필요했다. ▶불량 검출 정확도 및 속도 개선을 통한 원가 절감 및 생산성 향상 지능화를 통해 단순히 검사 정확도만 향상하는 것이 아니라 기존 검사 속도 대비 2.5배 이상의 속도인 분당 320장의 처리속도를 필요로 하였으므로, 이를 위해 양자화를 통한 고속의 딥러닝 기술 기반 영상 분류기술 알고리즘을 개발하였다. 이를 실제 검사 설비에 적용한 후, 공장 현장에서의 수많은 검증 작업을 통해 딥러닝 분류기술에서의 최적화 작업을 수행하였다. 많은 종류의 대상물체 (김)에 대한 이물질 분류 정확도를 얻기 위해 수천 장의 표본영상을 획득했다. 또 이로부터 데이터 증강기법을 통해 수십만 장의 학습용 영상을 확보하였다.현장 중심 검사는 엄청난 결과를 가져왔다. 기존 검사기 대비 검사 속도는 2.5배 이상, 99% 이상의 검출 정확성을 보여주는 딥러닝 알고리즘이 적용된 이물질 검사기를 사용해 원가 절감 및 생산성 향상, 고객 클레임 감소 효과를 볼 수 있게 되었다. <결론>산업지능화를 위해 어떤 방법을 사용하느냐가 중요한 게 아니라 어떤 부분을 어느 정도까지 해결할 지를 먼저 고민해야 한다. 이를 해결하기 위한 방법의 하나로 인공지능을 고려하는 것이 바람직한 접근 방법이라고 생각한다
-
3
2017년 인텔의 시프트 콘퍼런스에서 MIT 수석과학자 앤드루 맥아피는 ‘의사결정을 AI에 맡겨라’라는 화두를 던져 장내를 술렁이게 했다. 기업에서 데이터 기반 의사결정을 위해 AI 활용도를 높여 기업의 경쟁력을 끌어올릴 방안을 제시한 것이다. 앤드루 맥아피의 발언 이후 4년이 지난 지금, AI는 다양한 산업에서 간단하고 단순한 활용도에서 벗어나 의사결정을 하는 핵심 영역으로 스며들고 있다. 인간이 반복적으로 수행했던 업무를 대체해 생산성 혁신 등에 기여골드스미스는 2020년 기업 CEO 조사에서 코로나 19 이후 미국 기업들의 AI 도입이 전년 대비 9%P나 증가했다는 결과를 발표하였다. 비단 미국뿐 아니라 전 세계 기업들은 AI를 더욱 적극적으로 도입하고 활용하고 있는 것으로 보인다.일본 철강기업 JFE는 후판 공장에서 수작업으로 진행하던 생산품 불량 검사 작업을 3대의 AI 영상 로봇으로 대체해 인간의 오류를 감소시키고 건당 검사 수를 획기적으로 증가시켰다. 건설사인 DL이앤씨는 드론이 촬영한 건설 현장 사진을 AI가 확인해 시공품질을 관리하는 시스템을 도입했는데, 촬영 영상을 스스로 학습하여 특이 사항이 발견되면 선별적으로 정보를 전달해 건설 품질과 안전이라는 두 마리 토끼를 동시에 잡고 있다.이뿐 아니라, 영상 분석 AI는 자동차 부품의 품질 검사, 오래된 도로와 건물의 균열 감지, 현장 사고 알림 등 다양한 산업 현장에서 활용되고 있다.인사, 총무 분야에서는 직원들이 반복적으로 수행하던 업무에 RPA를 도입하거나 보험 서류, 물류 견적서 등의 자동인식을 위해 OCR을 도입하여 생산성을 높이는 일이 일상화 되고 있다. 제조 공정, 건설 설계 등 고도화된 의사결정 과정에도 활용되기 시작최근 AI는 GPT-3 이후 초거대 AI가 등장하며 단순 단어 이해에서 대화의 맥락을 이해할 수 있는 수준으로 고도화되면서 문제의 맥락에 맞는 판단과 해결 방법을 제시할 수 있게 됐다. 가트너는 2023년까지 글로벌 기업의 3분의 1 이상이 데이터 분석 기반 의사결정을 위한 AI 애널리스트를 도입할 것으로 예측했다. 의사결정 AI를 기업 실무에 적용할 수 있는 대표적인 예는 바로 추천 엔진이다.지멘스 암베르그 공장에서는 하루 1200개의 서로 다른 제품들이 생산되고, 350개 생산 공정이 전환돼 약 5000만 개의 공정과 제품 데이터를 평가하고 스케줄링해야 한다. 사람이 수행하기에는 변수가 너무 많아 AI가 계획표를 분석해 효율적인 실행 계획을 제안하고 이를 바탕으로 직원들이 판단해 공정에 도입하도록 하고 있다. 공정에서 일어나는 문제점을 실시간 알림을 받아 잠재적 고장도 미리 예방하고 있다. 현대엔지니어링은 플랜트 철공 구조물 설계를 위해 AI를 도입해 기존 3~4일 걸리던 작업을 10분 내외로 단축했다.사이버 보안회사 케이토 네트웍스는 AI도입으로 도메인/IP주소에 대한 평판모델을 만들어 악성 가능성아 큰 IP를 리스트화해 사전에 악성 IP를 차단하고 있다. AI가 의사결정까지 깊숙이 활용되는 단계 각 산업 현장에서 간단/단순 작업부터 복잡한 의사결정까지 AI 활용이 확대되면서 생산성 향상 및 산업 재해 감소 등 긍정적 효과와 함께 업무가 대체 됨에 따른 유휴 인력의 활용 문제, 실업률 증가 등의 부정적 이슈도 함께 제기되고 있다.하지만, 유휴 인력을 전문/고도화된 업무로 전환하거나 새로운 업무를 창출하여 이러한 문제를 해결하려는 노력이 진행되고 있다. 제조 현장 AI도입을 위한 구글-지멘스 파트너십 발표에서 볼 수 있듯이 작업은 AI로 자동화하고 생산 현장 인력에게 현장 컨트롤 권한을 부여하여 인간은 중요한 작업에 집중할 수 있도록 했다. 단순 대체가 아닌 고도화된 업무로 전환한 것이다. 또한 소프트웨어 개발, 현장 데이터 수집과 분석 등 새로운 업무가 생겨남에 따라 새로운 업무로의 전환도 일어날 것으로 보고 있다. 실제 작년 한해 전 세계 자동차 기업이 채용한 기계 엔지니어 수보다 소프트웨어 개발자 채용이 훨씬 많았고, 동기간 링크드인에 올라온 소프트웨어 개발자 채용 공고는 전년 대비 8배 증가한 것으로 나타났다. 인적 자원과 AI가 함께 협업할 수 있는 통합적 AI로드맵이 필요현재 글로벌 기업 시장의 가장 뜨거운 화두는 디지털 트랜스포메이션과 AI이다. 이를 통해 고객의 경험을 혁신하고 선점한 기업이 승자 독식하는 시대가 되고 있다.주피터 네트워크 조사에 따르면 기업 임원급 응답자의 71%는 올해 가장 최우선 과제로 AI 도입을 꼽았다고 한다. 하지만 전략과 거버넌스가 준비된 기업은 3%에 불과했다.글로벌 경쟁력을 가지고 살아남기 위해 기업 밸류체인의 전 프로세스에 AI 적용을 모색하고, 단순 AI에서 시작해 의사결정 AI까지 적용 단계를 끌어올릴 준비가 필요하다.또한, AI 도입 계획과 함께 기존 작업을 단순히 대체하기보다는 인력들의 활용 방안, 새로운 업무를 창출해 생산성 제고는 물론 AI를 통해 더 나은 의사결정을 할 수 있는 방안 등 인간과 AI가 함께 협업할 수 있는 통합적 AI 로드맵이 필요해 보인다.우리 기업에는 AI 적용을 위한 전략 설계와 로드맵이 있는지 점검해 보길 바란다.
